Datarobot Automation Skill 解析通过 Rube MCP 在 Codex 中自动化 DataRobot 工作流【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills本文基于 awesome-codex-skills 仓库中 composio-skills/datarobot-automation/SKILL.md 展开完整讲解该 Codex Skill 如何通过 Composio 的 Rube MCP 网关连接并操作 DataRobot从 MCP 端点配置、连接管理到工具发现、三步核心工作流与执行参数规范。读完本文你能够将该 Skill 安装到 Codex 并复现“搜索工具 → 校验连接 → 执行工具”的完整自动化链路。Skill 定位与元数据该 Skill 位于仓库的composio-skills批量技能集之下目录内只有一个 SKILL.md 文件遵循 Codex Skill 的“一个文件夹 一份 SKILL.md”组织方式与仓库 README.md 中描述的 Skill 布局一致。其 YAML frontmatter 如下--- name: datarobot-automation description: Automate Datarobot tasks via Rube MCP (Composio). Always search tools first for current schemas. requires: mcp: [rube] ---三个字段各自承担职责nameSkill 唯一标识安装后对应$CODEX_HOME/skills/datarobot-automation/目录名description告诉 Codex 该技能“做什么、何时触发”核心提示是“始终先搜索工具以获取最新 schema”requires.mcp: [rube]声明该 Skill 依赖名为rube的 MCP server。从仓库结构看整个composio-skills目录下的技能如 composio-automation都带有同样的requires: mcp: [rube]声明可以推断这是该批次的统一约定只有客户端配置了 Rube MCP 之后Skill 才具备可执行前提。其定位是Skills 告诉 Agent如何工作而 MCP 网关为其提供对真实工具DataRobot的安全访问。该 Skill 本身不含可执行脚本属于“指令型”技能全部逻辑以流程说明和 MCP 调用模板的形式写给 Agent。前置条件Prerequisites文档明确列出三条硬性前提缺一不可Rube MCP 已连接客户端 MCP 配置中已加入 Rube 端点且RUBE_SEARCH_TOOLS工具可用DataRobot 连接处于激活状态通过RUBE_MANAGE_CONNECTIONS管理 toolkit 为datarobot的连接状态必须为 ACTIVE先搜索、后执行任何工作流执行前必须先调用RUBE_SEARCH_TOOLS获取当前工具 schema不得凭记忆硬编码工具 slug 或参数。安装与端点配置SetupRube MCP 的接入方式在文档中非常直接将https://rube.app/mcp作为 MCP server 加入客户端配置即可无需 API key。Skill 的完整安装方式参照仓库 README.md 的 Quickstartgit clone https://github.com/ComposioHQ/awesome-codex-skills.git cd awesome-codex-skills # 安装到 $CODEX_HOME/skills默认 ~/.codex/skills python skill-installer/scripts/install-skill-from-github.py \ --repo ComposioHQ/awesome-codex-skills \ --path composio-skills/datarobot-automation安装器会拉取技能并放入$CODEX_HOME/skills/skill-name随后重启 Codex 使其加载新元数据也可以手工将整个 skill 文件夹复制到~/.codex/skills/后重启。skill-installer 进一步说明了安装行为目标目录已存在时会中止、支持--ref/--dest/--name等参数安装完成后需重启 Codex 才能生效。接入 MCP 后按以下 4 步完成初始化确认RUBE_SEARCH_TOOLS有响应验证 Rube MCP 可用调用RUBE_MANAGE_CONNECTIONS指定 toolkitdatarobot若连接不是 ACTIVE按返回的 auth link 完成授权再次确认连接状态显示 ACTIVE然后再运行任何工作流。工具发现RUBE_SEARCH_TOOLS该 Skill 的核心设计是“schema 动态发现”。在每次执行工作流前先发起一次工具搜索RUBE_SEARCH_TOOLS queries: [{use_case: Datarobot operations, known_fields: }] session: {generate_id: true}其中session: {generate_id: true}表示让 Rube 生成一个新的会话 ID后续步骤将复用该 ID。文档说明该调用会返回四样东西可用的工具slugs工具标识符各工具的输入 schema字段名、类型、必填性推荐的执行计划已知的易踩坑点。之所以把“搜索”作为第一步并写入 description是因为工具 schema 会随时间变化——这正是该 Skill 反复强调的防错策略不搜索就执行等于拿一份可能过期的参数表去调 API。核心工作流三步模式文档给出的标准执行链路分为三步以下调用模板应原样继承使用。Step 1发现可用工具用具体任务描述替换泛化查询并复用第一步生成的会话 IDRUBE_SEARCH_TOOLS queries: [{use_case: your specific Datarobot task}] session: {id: existing_session_id}注意此处session从{generate_id: true}变为{id: existing_session_id}即同一工作流内复用会话避免上下文断裂。Step 2校验连接执行前再次确认 DataRobot 连接状态RUBE_MANAGE_CONNECTIONS toolkits: [datarobot] session_id: your_session_id只有返回状态为 ACTIVE 才进入下一步否则回到 Setup 的授权流程。Step 3执行工具RUBE_MULTI_EXECUTE_TOOL tools: [{ tool_slug: TOOL_SLUG_FROM_SEARCH, arguments: {/* schema-compliant args from search results */} }] memory: {} session_id: your_session_id三个要点tool_slug必须来自 Step 1 的搜索结果不能硬编码arguments必须严格符合搜索结果给出的 schema字段名与类型精确匹配memory参数必须携带即使没有可传内容也要传空对象{}——这是文档“Known Pitfalls”中单独列出的强制项。快速参考表文档末尾的 Quick Reference 汇总了五类操作的入口值得作为日常速查操作方式发现工具RUBE_SEARCH_TOOLS传入 Datarobot 相关 use case建立连接RUBE_MANAGE_CONNECTIONStoolkit 指定datarobot执行工具RUBE_MULTI_EXECUTE_TOOL使用发现到的 tool slugs批量操作RUBE_REMOTE_WORKBENCH配合run_composio_tool()完整 schema对带schemaRef的工具调用RUBE_GET_TOOL_SCHEMAS后两行补充了两个进阶入口需要批量编排时走RUBE_REMOTE_WORKBENCH以run_composio_tool()执行当搜索结果中某个工具只给出schemaRef引用而非内联 schema 时用RUBE_GET_TOOL_SCHEMAS拉取完整定义再据此组装arguments。已知陷阱Known Pitfalls逐条解读文档列出 6 条陷阱每一条都对应一类真实的执行失败模式Always search first先搜索工具 schema 会变化未调用RUBE_SEARCH_TOOLS就硬编码 tool slug 或参数是最主要的失效来源Check connection校验连接执行前必须通过RUBE_MANAGE_CONNECTIONS确认 ACTIVE否则调用会在鉴权层直接失败Schema complianceschema 合规字段名和类型必须与搜索结果逐字一致大小写或命名偏差都会导致参数校验失败Memory parametermemory 参数RUBE_MULTI_EXECUTE_TOOL中始终携带memory哪怕为空{}Session reuse会话复用同一工作流内复用 session ID开启新工作流时再生成新 ID——这与 Step 1 到 Step 3 中session: {id: ...}的传递方式互相印证Pagination分页检查响应中的分页 token持续拉取直到数据完整避免只处理了第一页结果。仓库视角为什么所有技能长得不一样却高度同构将 datarobot-automation/SKILL.md 与同目录下的 composio-automation/SKILL.md、composio-search-automation/SKILL.md 对照可以看到整批 composio-skills 是同一模板按 toolkit 参数化生成的——frontmatter 的name/description、RUBE_SEARCH_TOOLS的use_case文案、RUBE_MANAGE_CONNECTIONS的toolkits数组取值都只替换了对应的 toolkit slugdatarobot/composio/composio_search。从仓库结构看这意味着两点使用上的提示方法论可迁移掌握了 datarobot 技能的“搜索 → 连接 → 执行”链路后仓库中任意一个*-automation技能都可按相同链路操作只需更换 toolkit 标识skill 与 MCP 网关解耦Skill 只描述流程与约束真正的认证、工具注册、schema 供给都由 Rube MCP 端点动态提供。这也解释了为什么文档中不出现任何 DataRobot API key——认证被收敛在连接管理RUBE_MANAGE_CONNECTIONS auth link一层。这种“薄 Skill 厚网关”的组合与仓库 README.md 中 “Skills tell your agenthowto work. An MCP Gateway gives it secure access to the tools it needs” 的表述完全一致。小结datarobot-automation 技能的价值不在于它列举了哪些 DataRobot 接口而在于它把一条可靠的操作纪律固化下来动态发现 schema、执行前校验连接、严格遵循返回的字段定义、全程复用会话并处理分页。将 composio-skills/datarobot-automation/SKILL.md 安装进$CODEX_HOME/skills/、配置https://rube.app/mcp端点并激活datarobot连接后上述三步工作流即可在 Codex 会话中直接复用同批次的其他*-automation技能也可按本文方法平移到各自 toolkit。【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考